02-3 · RAG 与实时检索 grounding

一句话：先检索再作答，把答案锚定在可核验来源上——这是绕过知识截止、也是你被引用的通道。

是什么

• RAG（检索增强生成）：作答前先检索相关文档，把内容塞进上下文，模型据此生成并引用。
• Grounding（接地）：把答案锚定到具体来源以降幻觉；2026 已成验证标配（部分平台可精确到段落/单元格）。
• 实时检索：让新内容与长尾也能被引，弥补 02-1-LLM基础-训练推理与知识截止 的截止局限。

怎么运作（机制）

• 召回候选 → 选用片段 → 合成答案 → 标注引用（即管线 ②→⑤，见 02-2-答案生成管线总览）。
• 你的内容必须先进入**“可被检索到的候选集”**，才谈得上被 grounding 引用。

对可见性意味着什么（So What）

• 入场券 = 被收录 + 可爬 + 语义匹配：
  • 可爬/收录 → C1-可爬性与爬虫准入 / P2-1-AI爬虫准入排查
  • 语义匹配 → B3-语义匹配与查询扇出契合 / P1-4-主题集群与fan-out覆盖
• 这解释了为何”爬不到=隐形”是一票否决。

常见误解

• ❌“RAG = 一定准确” → grounding 降幻觉但不消除，模型仍可能误读/误引。
• ❌“被检索到 = 一定被引” → 还要过排序与抽取两关。

相关

• 上游：02-1-LLM基础-训练推理与知识截止；脊柱：02-2-答案生成管线总览
• 平台实现差异（Bing/Google/Brave 等）→ 03-0-平台横向对比矩阵